“双一流”大学建设对区域创新效率的政策效应——基于准实验与双重差分模型的计量检验

蔡文伯 刘俊丽

（1．石河子大学 师范学院，石河子 832000；2．塔里木大学 人文学院，阿拉尔 843300）

一、问题的提出

当前，我国经济正处于关键时期，并且正由要素驱动模式向创新驱动模式改变。刘易斯拐点理论指出，当经济运行到一个拐点，为了寻求经济的持续发展，要改变原有的发展方式，以适应新的时代要求［1］。我国实行要素驱动的经济发展模式是在特定时期的人口红利，相当于劳动力无限供给，人力成本不高，对于自然资源的大量消耗等，这些有利的外部条件加之要素驱动发展模式，迅速扩大了投资规模，推动了产业的发展。但是，随着我国人口出生率的下降，人口红利对经济支持作用逐渐减弱，单纯依靠要素驱动模式已不再适合经济的高速发展，创新驱动模式成为当下时代必然。

早在2014年，双创概念的提出激发了全国人民的创新热情和创造潜力，推动了一些新兴科技的出现。现阶段，创新作为新发展理念之首，是建设现代化强国的一项国策，已成为社会发展不可或缺的部分。据《2020年全球创新指数》报告显示，我国创新指数在全球排名进入前十五名，名次已四年持续性上升，是进步最快的中等收入国家。而创新的必备要素之一，是具有高层次的创新型人才，创新人才源自教育支持。作为孕育人才的集中地，高等教育承载着人才兴旺的重担。为此，2015年8月，中央审议通过了《统筹推进世界一流大学和一流学科建设总体方案》，“双一流”建设成为高校发展的新契机。在创新处于领先地位的时代，“双一流”大学建设不仅是优化我国高等教育高质量发展层次、提升高等教育内部实力的必然举措，也是提高国家核心竞争力、增强国家创新发展能力的本质需求。那么，我国“双一流”大学建设究竟在多大程度上提高了地区的创新效率，在作用过程中是否存在空间异质性，又是否具有显著性差异，在创新驱动背景下，这些问题若能得到解决，将对政府在调整“双一流”大学建设政策过程中更具有针对性，并且对合理促进创新效率的提高起到重要推动作用。

二、文献回顾与检视

自我国改革开放以来，经过四十多年的以要素投入为基础的“要素驱动”型发展模式，经济实力得到突飞猛进。但是，长期的要素投入也使得产业结构不合理，制约着经济持续发展，因此提高资源利用效率以及转变经济发展方式成为必然选择［2-3］。

创新效率是形成区域创新能力的关键要素，因此如何提升创新效率一直是研究者关注的热点话题。区域创新效率是科技创新资源投入与产出的转换效率，反映着区域创新系统对资源配置程度及使用成效［4］。当前学界关于创新效率的研究颇多，主要集中在以下两个方面：一是在创新效率指标体系构建方面，许多研究者从创新投入与创新产出两种维度构建，将R＆D人力和R＆D资金投入作为创新投入［5-6］，专利授权数、新产品销售收入以及技术市场成交额作为创新产出［7］。就具体研究对象而言，比如高校，学者对创新效率指标体系进行补充，一般创新投入并无异议，增加国家级奖项数、学术论文以及学术专著数作为创新产出［8］。二是在创新效率的测度方面，与之前学者采用随机前沿分析（SFA）测度不同，现在学者更多采用数据包络分析法（DEA）探究科技创新效率［9-10］，部分学者采用超效率网络SBM-Malmquist模型［11］、EBM模型及DEA-Malmquist指数［12］等研究方式测算创新效率。

“双一流”建设政策作为国家重要的发展战略，承载了加强人才队伍和提高自主创新能力的重任。梳理已有文献，较多学者关注点多集中在“双一流”大学的创新效率研究。吴杨等学者运用以产出为导向的数据包络分析法测量了“双一流”建设大学基础研究的创新效率，挖掘了其存在的优势与不足［13］。马聪颖，吴宏超通过研究发现“双一流”大学建设战略提出后，受到诸多因素影响，高校科技创新效率出现波动下降的现象［14］。吴颖，崔玉平基于长三角的微观数据研究上发现高校科技创新技术效率整体呈现上升趋势，朝着区域一体化发展［15］。也有学者探讨了“双一流”大学建设对区域创新的积极影响。魏芳芳等人基于国际国内中文数据库中的“双一流”大学科学出版物比较，发现我国大学发表的文章绝对总数有所增加，双一流大学发展迅速，对科技发展起到重要作用［16］。徐飞发现“双一流”建设通过培养高端人才，促进创新驱动发展［17］。王淑敏等人通过阐述高校“供给侧改革”，助推“双一流”建设，从而提升区域创新能力［18］。

上述研究从经济转型阶段为切入点，对创新效率、“双一流”大学建设的创新效率相关研究进行了深入探索，为本研究奠定了坚实的基础。但以往的研究仍存在一定的不足：第一，从研究内容上来看，已有研究多是集中在“双一流”建设自身机制领域，抑或是关注创新效率测度以及所受影响因素，二者相结合的研究较少。第二，从研究方法来看，已有研究多采用传统计量模型方法进行区域创新效率的探索，实证研究还留有空间。鉴于此，本研究以全国31个省份加上中国香港地区、台湾地区2005-2018年的面板数据为样本，研究“双一流”大学建设政策对区域科技创新效率的影响，以期为改进和完善“双一流”大学建设政策提供理论依据，从而更好地推动区域创新效率的提高。

三、研究设计

（一）估算方法与样本分组

本文主要研究2015年颁布的“双一流”大学建设政策对区域科技创新效率的作用，按照刘瑞明，赵仁杰［19］曾提过的思路而言，最简单的方式是使用传统的单差法，以此来判断该政策对科技创新效率的影响。但是，考虑到区域的创新效率受到诸多因素影响，简单利用单差法较大概率会使测量结果高估。故本研究采用双重差分法，该方法在一定程度下避免了内生性问题的困扰，可以准确估计出政策净效应。

“双一流”大学建设自2015年8月正式拉开帷幕，由于政策是面向全国实施，因此我国内地31个省份就是理想的实验组样本，而中国的香港、澳门、台湾地区未实施“双一流”大学建设政策，则作为控制组。这样的分组方式借鉴了陈琳、夏俊［20］的研究方法，实验分组对象之间差异不能过大，同时也是考虑到政策非内生性因素，中国香港、澳门、台湾地区不受2015年“双一流”大学建设政策的影响，即政策选择对象没有内生性问题。考虑到澳门的样本量和相关数据的缺失，最终控制组的样本选择是香港地区和台湾地区。为了控制外在环境对科技创新效率的影响，获得“双一流”大学建设政策的净效应。通过借鉴吴昌南，张云［21］的思路，建立适用于本研究的双重差分模型。其具体模型设定如下：

模型（1）中：Di为地区是否实施“双一流”大学建设政策的虚拟变量，当地区i属于实施“双一流”大学建设的大陆省份（市、自治区）城市，即为实验组，则Di等于1；当地区i属于未实施“双一流”大学建设政策的中国香港、台湾地区，即为控制组，则Di等于0。tt为实施“双一流”大学建设政策实施（2015年）前后年份的虚拟变量，当建设年份处于2015年前tt为0，当建设年份处于2015年后tt为1。zit为控制变量，包括地方财政预算支出、高等教育人口数量、地方财政科技拨款以及经济发展水平。δt是指时间效应，被解释变量Yit为创新效率值。以上述变量来分析“双一流”大学建设政策对各地区的创新效率的影响。模型中β1是关键系数，若β1显著为正，则说明“双一流”大学建设政策提高了地区创新效率；若β1显著为负，则说明“双一流”大学建设政策使地区创新效率下降了。

（二）变量选择和数据说明

被解释变量：创新效率。借鉴已有成熟做法，运用创新投入与创新产出，参考Andersen和Petersen［22］修改后的超效率DEA模型进行测算创新效率。其测算流程如下：

确定创新投入和创新产出的指标。在柳卸林、陈璐［23］、吴昌南、张云等人关于研究创新效率的投入与产出的基础上，本研究认为知识生产受研发经费和研发人员投入影响较大，呈现正比例关系，即后者投入越多，前者也会相应地增多。因此，本研究建立知识生产函数：其中，Y表示知识生产的投入产出效率，K和L依次表示研发经费和研发人员的投入，α和β分别表示两者的产出弹性，i表示地区，t表示年份，Q表示知识生产量。

在创新投入方面，大陆省份的研发经费用“研究与试验发展经费内部支出”表示；研发人员L用“研究与试验（R＆D）发展人员当时全量”表示；中国香港地区的研发经费K用“研究及发展（研发）开支总计”表示；研发人员L用“研究及发展（研发）人员数目总计”表示；中国台湾地区则分别用“研发经费”和“研发人力总计”表示。

在创新产出方面，用专利授权量Q表示。“十二五”规划纲要提出，衡量科技产出的一个重要指标是专利指标，同时专利作为科学技术成果的主要载体和表现形式，也从侧面了彰显了技术开发水平［24-25］。大陆省份用“国内专利申请授权量”来表示；中国香港地区用“在中国香港获批予的专利数目总计”表示；中国台湾地区用“专利公告发证数”表示。本研究运用超效率DEA测算方法计算内地省份（市、自治区）城市以及中国香港和台湾地区的创新效率，时间跨度为2005-2018年，最后得出测算结果，测算结果将作为双重差分模型的被解释变量—创新效率。表1只展示了部分数据——沿海八个城市以及中国香港、中国台湾地区创新效率。

表1 2005-2018年中国内地沿海省份以及中国香港、台湾地区创新效率值

解释变量：“双一流”大学建设（Dxt）。实验组分组虚拟变量Di，当地区为大陆省份城市，i属于实验组，则D＝1；当地区为中国香港、台湾地区，i属于控制组，则D＝0。tt为实验期虚拟变量，实验前，tt＝0；实验后，tt＝1。Dix tt为双重差分变量。

控制变量：参照已有研究对于影响创新效率的外在因素分析，加入四个能够影响创新效率的控制变量，以便能更好地测量具体政策效应。其中，地方财政预算支出表示各省份对民生相关领域的支持程度。中国台湾地区采用“各级政府岁出净额项”，中国香港地区采用“政府期初储备结余的开支项”。

接受高等教育人口数量代表着各地区的潜在人力资本，没有足够的人才，创新将无从谈起，创新与人力资本密不可分。为了控制高等教育人口数量流动所带来的误差，大陆各省份的高等教育人口数量采用大专以上学历人口；中国香港地区采用“专上教育人口”，中国台湾地区则使用“专科”及“大学以上”。

地方财政科技拨款体现了地区各级政府调控区域社会科技资源的力度，为区域的科技创新提供基础保障，对支持地方社会发展起着重要引导作用。中国台湾和中国香港地区采用“政府部门研发经费支出”。

经济发展水平是一个城市能否借助自身优势发展区域特色的重要影响因素，用人均地区国内生产总值来表示城市的经济发展程度。中国台湾地区和香港地区分别采用平均国内生产毛额和按人口平均计算的本地生产总值指标。本研究中的内地各省份的数据来自《中国统计年鉴》，并使用每年年末最后一个工作日的港币、新台币兑人民币汇率来代表本年汇率，将台湾地区（新台币）和香港地区（港元）的数据换算成人民币。有关变量的详细界定见表2。

表2 回归变量的统计特征

四、实证分析

（一）双重差分的适用性检验

根据双重差分的理论假设，采用双重差分法需要满足适用性检验。所谓的平行趋势假定检验是指两组样本在接受政策实施或冲击前具有相应的可比性，拥有共同的趋势。其实证方程设定如下：

模型（2）中treati为处理组别虚拟变量，postt代表时间虚拟变量。βt是关键系数，pre_3、pre_2、pre_1是“双一流”大学建设政策执行前三年所对应的交互项，current为“双一流”大学建设政策发生当年，post_1、post_2、post_3是“双一流”大学建设政策执行后三年的交互项。从表3可以看出pre_3、pre2、pre1的交互项系数均不显著，current、post_1的交互项系数负向显著，“双一流”大学建设的政策效果从政策年开始就已施加影响，政策效果较为明显。由此可知在2012-2018年间是满足平行趋势假定检验的，意味着基础模型（1）的双重差分法是适当的。

表3 平行趋势假定检验结果

（二）基准回归

模型进行回归，结果如表4所示：首先，前者（1）只控制了时间和地区效应，结果显示“双一流”大学建设政策对创新效率的交互项估计系数为0．374，且至少在1%的水平下显著，表明“双一流”大学建设政策对区域创新效率具有显著的促进作用。其次，在后者（2）中，进一步控制其余四个变量，此时，模型的拟合效果显著提升，政策作用强度在1%的显著性水平下为0．241，降低了0．133个单位，这表明随着四个控制变量的加入，稀释了其影响水平。从模型测算视角来看，无论是否加入控制变量，以区域创新效率值作为被解释变量，其交互项系数结果均是显著的，表明“双一流”大学建设政策对地区创新效率提升有着显著的促进作用。作为高等教育强国建设的具体实践，“双一流”大学建设通过培养拔尖创新人才，加大对科研要素的投入，为区域的创新发展提供强有力的技术支持。

表4 “双一流”大学建设政策对各地区创新效率的回归结果

从模型测算的控制变量对创新效率的影响上，仅就估计系数值来看，高等教育人口数量、地方财政科技拨款、人均地区国内生产总值的估计系数显著为正，均有助于区域创新效率的加强。其中高等教育人口数量的估计系数值为0．091，表明受教育程度高的人口对区域创新效率起促进作用。对此可能的解释：人才是创新的灵魂密码，“双一流”大学建设通过培养高科技人才，改善了高等教育水平，从而提高人才质量，推动区域创新效率提升。已有研究表明，“双一流”大学建设是为了建设创新型国家和人力资源强国，大学的发展与变革，推动高等教育整体水平提升，服务创新驱动发展战略［26］。地方财政科技拨款的估计系数为0．125，且在1%的水平下显著，表明地方财政科技拨款对区域创新效率具有显著的促进作用。对此可能的解释：持续的经费支持是创新的必要条件，“双一流”大学建设除了依靠自身实力获得的社会资助，还要依靠政府的资金供给，当地方政府投入较多的科技拨款，保障了科研工作者的权益，科研工作者从外在动力转化为内驱力，极大提升创新效率。相关研究揭示“双一流”大学建设不仅拥有中央与地方充足的资金支持，也更能吸纳社会资本流入，高校聚集与产业集聚，极大吸引科技创新人才，使得创新活动频繁，呈现较高的创新效率［27］。人均地区国内生产总值的估计系数为0．157，在10%的水平下显著，表明地区的经济发展水平对区域创新效率起着重要提升作用。对此可能的解释：研究已表明高校科技创新资源配置受到地区经济发展水平影响，在技术进步与规模扩张方面表现明显［28］。换言之，“双一流”大学建设本就依托地方经济发展，经济发展水平高的地区相应的市场需求向更高层次发展，客观上助推技术变革，促进创新效率的质变。

（三）区域异质性检验

政府在推动双一流高校建设政策方面显著促进了区域创新效率，但是在政策执行过程中落实效果、经济发展水平等方面存在区域差异，那么“双一流”大学建设政策对创新效率的提高是否也存在空间关联呢？为此，本研究对我国31个省份进行东、中、西部分组，进行区域异质性检验，结果见表6所示。

邹检验（chow test）作为一种严谨的检验方法，主要检查不同时期子样本相互关系的稳定性，且原假设为两个子样本结构方程不存在显著差异，如果P值小于0．01，则可拒绝原假设，证明两个样本系数有所差别。考虑到研究中总体样本被分成不同质的组，即分成不同的地区，模型的参数是否发生改变？对此，本研究采用邹检验检验不同组间的参数是否相同。由表5可知，不同地区的P值均小于0．01，意味着拒绝原假设，表明不同子样本间具有差异。换言之，在东部、中部以及西部地区“双一流”建设政策对创新效率的影响存在差异。

表5 不同区域的chow test结果

通过表6中（3）、（4）、（5）可以发现，“双一流”大学建设政策对东部、中部以及西部创新水平的交互项估计系数分别是0．305、0．187、0．237，且均在1%的水平下显著，这表明政策对东部、中部以及西部的创新水平都具有明显的促进作用。由交互项估计系数比较可知：政策对东部地区的提升作用更加显著，其次是西部，对中部的带动作用则最差。对此可能的解释是：高等教育发展存在不均衡不充分的矛盾，导致“双一流”大学建设过程中呈现东部集中，而中部、西部稀疏的局面。就地区层面而言，东部位于沿海地区，经济社会发展成熟，吸引了大批高质量大学入驻，高校优质资源丰厚，科技成果产出和转化效率优于中西部，从而使得东部地区无论在地理位置还是人力资源都具有先天优势，其政策所带来的影响也更加显著。而西部地区在逐渐得以发展，随着国家对西部地区政策扶持，“双一流”大学在数量和质量上得到一定的提升，使得西部地区的政策带动效应高于中部，这恰恰验证了既往学者所讨论的“中部塌陷”问题。

表6 区域异质性检验

（四）稳健性检验

虽然实验组和控制组在政策实施前遵循相同的趋势，但是否由于实施了其他政策导致趋势的变化仍有待观察。换言之，政策干预某一时点后，实验组和控制组趋势的变化可能不是由政策本身导致的，而是由同一时期的其他政策引起的。本研究将采用补充变量法、更换核心解释变量以及随机生成实验组和控制组进行稳健性检验。

1．补充变量法。在模型实验中总会遇到遗漏变量的问题，大多数的研究都会尽可能增加对结果产生影响的变量，以求得到的结果更加准确。本研究在综合考虑各种因素，选择进出口总额作为补充变量，进出口总额反映了区域的开放程度，并关乎技术的引进，继而制约着该地区的创新水平。如果模型交互项系数显著，则说明此次检验通过，反之，则说明此次变量选择并不对创新水平产生显著影响。由表7可知，交互项系数为0．278，并在1%的水平下显著，通过检验。

表7 补充变量回归结果

2．替换核心解释变量。替换核心解释变量稳健性检验常用的方法之一，本研究采用统计样本中大陆31个省份的专利授权数量替换创新效率，检验回归结果是否发生变化。如果交互项系数结果显著，意味着检验通过，反之，则说明此次检验不通过，政策对所选省份的科技创新作用可能受其他因素影响。由表8可知，更换与原解释变量相关的变量进行重新回归，其交互项系数值为正，且在1%的水平下显著，政策效果是显著的，由此可以证明“双一流”大学建设政策对创新效率的影响不受其他偶然因素作用。变量数据来源《中国统计年鉴》。

表8 检验的回归结果

3．随机生成实验组和控制组。随机生成实验组和控制组的安慰剂检验，其基本思路是对样本组多次随机抽取treat进行检验，将关注的变量系数转化为分布图，分布图的结果通常在0的附近，与本身基准回归结果存在较大差异，从而证明基准回归的结果不是偶然发生的。图1是数据分别进行400次、1200次检验，并绘制了核密度图，其中实线是基础回归估计出的真实系数，虚线是400个或1200个“虚拟”系数的均值。观察图1真实的“双一流”大学建设政策效果与安慰剂结果发现，“虚拟”系数的均值集中分布在0附近，这表明模型设定中不存在严重的遗漏变量问题，“双一流”大学建设政策对创新效率的作用稳健，的确促进了创新效率的提升，再次证明了基准回归的结论是可靠的。

图1 政策效应核密度图

五、研究结论与建议

（一）研究结论

在本研究中将“双一流”大学建设政策视为一项准自然实验，采用双重差分法估计“双一流”大学建设政策对区域创新效率的影响。结果表明：

第一，“双一流”大学建设政策能够明显带动区域创新效率的提高，这一结论具有稳健性。整体而言，“双一流”大学建设促进区域高端人才的培育与集聚，提高生产效率，为区域发展创造新条件。区域是创新的重要场所，企业与企业之间，高校与高校之间，通过互动碰撞出挑战与机遇。在应对区域内部的重大挑战与机遇时，区域内的“成员”将通过高技术人才创造新技术解决发展难题，助推区域健康发展。此外，“双一流”大学建设是深化高等教育发展的重要举措，致力提升高校的创新能力和科研水平，以点带面，促进区域创新效率提升。

第二，通过空间异质性检验发现“双一流”大学建设政策对区域创新效率的带动作用不同，能够有效推动东部、中部以及西部的创新效率发展，其中东部最佳，西部次之，中部则较差。从“双一流”大学分布来看，东部拥有较多的一流高校，人力资源雄厚，即使东部地区的强势“三非”院校也有够拼一流学科的实力，从“大学在东南”引起了“人才东南飞”，东部得天独厚的地理位置和经济环境使得科技创新一直走在区域发展前列。西部地区的“双一流”高校较少，但是依托国家政策的大力支持，东部地区“双一流”大学的对口帮扶，使得西部“双一流”大学整体水平与科研实力都得到提升，部分指标有突破性增长，潜力巨大，从而提升了西部地区的创新效率。中部地区的“双一流”高校无论是区域间还是区域内都具有明显差异，其发展速度与西部地区相比存在提升空间，由于国家对中部地区政策扶持相对偏弱，“政策洼地”是既成事实，“双一流”大学对创新效率的强化程度排在最后。

（二）对策建议

基于本研究“双一流”大学建设政策显著提升了区域的创新效率，理论和实证的双重分析，对于正确认识我国“双一流”大学建设政策及其效用具有重要的启示意义。

第一，做好政校紧密联合，加强创新薄弱的领域。政府应当重视“双一流”大学建设对区域创新效率提升的正外部性，做好政校紧密联合。各级政府应持续坚持对“双一流”大学建设的投入，政策保障落实到位，区域高校也应主动联合政府，培养拔尖创新型人才，服务区域的创新发展战略，二者相互促进，共同提高区域创新效率，提升创新水平。与此同时，各级政府在推行“双一流”大学建设过程中，要加强原始创新薄弱的方面，高水平大学的原始创新能力影响着其他高校创新发展的“士气”，要着重吸纳科学研究的领军人物，打造一流的科研学术团队，强化原始创新能力，从而合理推进“双一流”大学建设的发展，发展优势学科。

第二，加强区域友好援助，改善资源集中的局面。从区域异质性结果来看，“双一流”大学建设政策对区域创新效率的发展存在空间差异，区域发展存在不均衡、不充分的矛盾。统筹区域教育资源协调发展，政府应当加强区域友好援助，由创新效率高的地区援助薄弱地区，加强东部“双一流”高校与中、西部高校的技术创新与合作交流，充分利用东部发达地区在“双一流”大学建设中的挤出效应，从而影响到周边城市，促进周边城市创新效率的提高，缩小区域间差异。此外，政府也应当打破东部优质资源过于集中的局面，向中部、西部地区予以政策倾斜，缓解资源分配不均衡的难题。理应注意的是，对待中部应予以特殊重视，政策倾斜的同时，制定中部科技创新的新规划，整合中部的科技创新总量，鼓励和引导新的创新力量进驻中部，在一定程度上改变原有“中部塌陷”问题。政策的倾斜力度要控制合理范围内，根据边际报酬递减规律来看，在其他要素不变的情况下，持续的高投入不一定导致高产出，应坚持差别化政策。

第三，深化高校全面改革，注重一流人才的培养。已有研究表明，人才的高度决定大学的高度，人才成为推进世界一流大学建设的重中之重。深化“双一流”高校的全面改革，人才建设是核心，高等教育的根本任务是育人，要紧紧把握培养时代人才的社会要求。政府推进高等教育进一步深入的同时，高校立足招生起步，优化课程教学体系，引进高层次专业人才教学本科生，做好基础本科生教育，在研究生教育方面，学校不断提升研究生学位授予标准，保证人才质量，鼓励师生申报重大课题，通过实践提高自主创新能力。除了高校自身培养人才，也可以面向全球招徕优秀的科研人才，完善科研工作所需的基础设施建设，营造尊重学者、创新浓厚的文化环境。